分类模型评估
混淆矩阵
在分类任务下，预测结果(Predicted Condition)与正确标记(True Condition)之间存在四种不同的组合，构成混淆矩阵(适用于多分类)
精确率(Precision)、召回率(Recall)和F1-score
精确率
预测结果为正例样本中真实为正例的比例（查得准)
召回率
真实为正例的样本中预测结果为正例的比例(查的全，对正样本的区分能力)。越高越好
F1-score
反映了模型的稳健型，越高越好
\[F1 = \frac{2TP}{2TP+FN+FP} = \frac{2*Precision*Recall}{Precision+Recall}
\]
